論文の概要: Mapping the AI Divide in Undergraduate Education: Community Detection in Disciplinary Networks and Survey Evidence
- arxiv url: http://arxiv.org/abs/2510.19288v1
- Date: Wed, 22 Oct 2025 06:46:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 03:08:15.22251
- Title: Mapping the AI Divide in Undergraduate Education: Community Detection in Disciplinary Networks and Survey Evidence
- Title（参考訳）: 学部教育におけるAIディバイドのマッピング:ディシプリナネットワークにおけるコミュニティ検出と調査エビデンス
- Authors: Liwen Zhang, Wei Si, Ke-ke Shang, Jiangli Zhu, Xiaomin Ji,
- Abstract要約: 我々は,ネットワーク科学と南京大学による調査証拠を組み合わせることで,学部教育におけるAI格差を図示する。
我々は、科学、科学周辺、社会科学と科学、人文科学と社会科学の4つの異なる学生コミュニティを識別する。
本研究は,カリキュラム構造と学際的統合が技術流布の重要な要因であることを示す。
- 参考スコア（独自算出の注目度）: 5.522479128869082
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As artificial intelligence-generated content (AIGC) reshapes knowledge acquisition, higher education faces growing inequities that demand systematic mapping and intervention. We map the AI divide in undergraduate education by combining network science with survey evidence from 301 students at Nanjing University, one of China's leading institutions in AI education. Drawing on course enrolment patterns to construct a disciplinary network, we identify four distinct student communities: science dominant, science peripheral, social sciences & science, and humanities and social sciences. Survey results reveal significant disparities in AIGC literacy and motivational efficacy, with science dominant students outperforming humanities and social sciences peers. Ordinary least squares (OLS) regression shows that motivational efficacy--particularly skill efficacy--partially mediates this gap, whereas usage efficacy does not mediate at the evaluation level, indicating a dissociation between perceived utility and critical engagement. Our findings demonstrate that curriculum structure and cross-disciplinary integration are key determinants of technological fluency. This work provides a scalable framework for diagnosing and addressing the AI divide through institutional design.
- Abstract（参考訳）: 人工知能生成コンテンツ(AIGC)が知識獲得を後押しするにつれ、高等教育は体系的なマッピングと介入を要求する不平等に直面している。
我々は,中国におけるAI教育の指導機関の一つである南京大学の301人の学生を対象に,ネットワークサイエンスと調査エビデンスを組み合わせることで,学部教育におけるAI格差をマップする。
学際的なネットワークを構築するための授業実施パターンに基づいて、科学、科学、社会科学と科学、人文科学と社会科学の4つの異なる学生コミュニティを識別する。
調査の結果、AIGCのリテラシーとモチベーションの有効性には大きな違いがあり、科学の優位な学生は人文科学や社会科学の仲間よりも優れていた。
通常の最小二乗回帰(OLS)は、モチベーション効果(特にスキルの有効性)が、このギャップを部分的に仲介するのに対し、使用効率は評価レベルで仲介せず、有用性と批判的エンゲージメントの解離を示す。
本研究は,カリキュラム構造と学際的統合が技術流布の重要な要因であることを示す。
この作業は、組織設計を通じてAI分割を診断し、対処するためのスケーラブルなフレームワークを提供する。
関連論文リスト
- From AI for Science to Agentic Science: A Survey on Autonomous Scientific Discovery [108.1082357960201]
エージェントAIは仮説生成、実験設計、実行、分析、反復的洗練の能力を示す。
この調査は、生命科学、化学、材料科学、物理学にまたがる自律的な科学的発見のドメイン指向のレビューを提供する。
論文 参考訳（メタデータ） (2025-08-18T05:25:54Z) - AI Literacy as a Key Driver of User Experience in AI-Powered Assessment: Insights from Socratic Mind [2.0272430076690027]
本研究では,学生のAIリテラシーと,それ以前のAI技術への露出が,ソクラティックマインドに対する認識をいかに形作るかを検討する。
コンピュータサイエンス・ビジネスコースの309人の学部生のデータを収集した。
論文 参考訳（メタデータ） (2025-07-29T10:11:24Z) - Distinguishing Fact from Fiction: Student Traits, Attitudes, and AI Hallucination Detection in Business School Assessment [2.3359837623080613]
本研究では,英国ビジネススクールにおいて,学術的スキル,認知的特徴,AI懐疑主義が,事実的不正確なAI生成反応(幻覚)を検出する能力にどのように影響するかを検討する。
幻覚の同定に成功したのは20%に過ぎず、強力な学業成績、解釈スキル思考、習熟度、AI懐疑主義が重要な予測因子として現れている。
論文 参考訳（メタデータ） (2025-05-28T18:39:57Z) - Advancing Education through Tutoring Systems: A Systematic Literature Review [3.276010440333338]
本研究は,知能学習システム (ITS) とロボット学習システム (RTS) を包含した学習システムの変革的役割を体系的にレビューする。
この発見は、適応性、エンゲージメント、学習結果を向上するAI技術の著しい進歩を示している。
この研究は、ITSとRTSの相補的な強みを強調し、教育効果を最大化するために統合されたハイブリッドソリューションを提案する。
論文 参考訳（メタデータ） (2025-03-12T18:47:07Z) - The Role of AI, Blockchain, Cloud, and Data (ABCD) in Enhancing Learning Assessments of College Students [0.0]
本研究では,ABCD技術が高等教育における学習評価を改善する方法を検討する。
目的は、学生が物事をどのように認識し、行動計画し、ABCD技術が個人の学習、学術的完全性、共同学習、評価に対する信頼にどのように影響するかを研究することである。
論文 参考訳（メタデータ） (2025-02-17T15:11:44Z) - Aligning Generalisation Between Humans and Machines [74.120848518198]
AI技術は、科学的発見と意思決定において人間を支援することができるが、民主主義と個人を妨害することもある。
AIの責任ある使用と人間-AIチームへの参加は、AIアライメントの必要性をますます示している。
これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
論文 参考訳（メタデータ） (2024-11-23T18:36:07Z) - Perceptions of Discriminatory Decisions of Artificial Intelligence: Unpacking the Role of Individual Characteristics [0.0]
個人差(デジタル自己効力性、技術的知識、平等への信念、政治的イデオロギー)は、AIの成果に対する認識と関連している。
デジタル自己効力と技術的知識は、AIに対する態度と肯定的に関連している。
リベラルイデオロギーは、結果信頼、より否定的な感情、より大きな懐疑主義と負の関連がある。
論文 参考訳（メタデータ） (2024-10-17T06:18:26Z) - Bringing Generative AI to Adaptive Learning in Education [58.690250000579496]
我々は、生成AIと適応学習の交差研究に光を当てた。
我々は、この連合が教育における次の段階の学習形式の発展に大きく貢献するだろうと論じている。
論文 参考訳（メタデータ） (2024-02-02T23:54:51Z) - AI for social science and social science of AI: A Survey [47.5235291525383]
人工知能の最近の進歩は、人工知能の可能性を再考するきっかけとなった。
AIの人間的能力の増大は、社会科学研究にも注目されている。
論文 参考訳（メタデータ） (2024-01-22T10:57:09Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。